Question

我们运行了一个词典，并且遇到了搜索字符串开头带有撇号的搜索问题。在英语单词中，例如'twas 很少见，但在我们要处理的语言中，'被认为是单词字符，并且在词组开头非常常见（例如的< / em>）以及单词的结尾（例如 a'）。

奇怪的是，如果RegEx搜索位于中间（例如 air a'bhòrd获得所有期望的结果），但看起来似乎并没有为此感到烦恼，而是在搜索开始或结束时使用' RegEx不会将字符串视为单词的一部分。

我们已经确定这是RegEx规范的一部分（只有字母数字字符和_被视为单词的一部分），但我们想知道是否有可能编写一个RegEx表达式来将撇号也视为一个字？

这是我们目前得到的：

-- Demonstration on MySQL 5.6.21 Community Select ('cat''s' REGEXP CONCAT('[[:<:]]', 'cat''s', '[[:>:]]')); -- returns 1 Select ('''cat''s' REGEXP CONCAT('[[:<:]]' ,'''cat''s' ,'[[:>:]]' )); -- returns 0 Select ('_cat''s' REGEXP CONCAT('[[:<:]]' ,'_cat''s' ,'[[:>:]]' )); -- returns 1 Select ('-cat''s' REGEXP CONCAT('[[:<:]]' ,'-cat''s' ,'[[:>:]]' )); -- returns 0 Select (' cat''s' REGEXP CONCAT('[[:<:]]' ,' cat''s' ,'[[:>:]]' )); -- returns 0 Select ('cat''' REGEXP CONCAT('[[:<:]]' ,'cat''' ,'[[:>:]]' )); -- returns 0

任何欢迎您的建议：）

Answer 1

我认为您应该提供自己的字字符定义，而不要依赖默认的ICE字边界（[[:<:]]，[[:>:]]）。来自the mysql 5.6 documentation：

一个单词是一个单词字符序列，其前后没有单词字符。单词字符是alnum类中的字母数字字符或下划线（_）。

这意味着：'^|[^[:alnum:]_]'

^             -- the beginning of the string
|             -- OR
[^            -- any character OTHER than
    [:alnum:]     -- an alphanumeric character
    _             -- an underscore
]

ICE的字符串结尾为：'[^[:alnum:]_]|$'，其中$代表字符串的结尾。

您可以修改它以在字符类中添加单引号，例如：

开始：'^|[^[:alnum:]_'']'
end：'[^[:alnum:]_'']|$'

这是您的正则表达式：

SELECT (val REGEXP CONCAT('(^|[^[:alnum:]_''])', 'cat''s', '([^[:alnum:]_'']|$)'));

See the demo on dbfiddle

模式（MySQL v5.6）

查询＃1

Select ('cat''s'
    REGEXP CONCAT('(^|[^[:alnum:]_''])', 'cat''s', '([^[:alnum:]_'']|$)')) res;

| res |
| --- |
| 1   |

查询＃2

Select ('''cat''s' 
    REGEXP CONCAT('(^|[^[:alnum:]_''])', '''cat''s', '([^[:alnum:]_'']|$)' )) res;

| res |
| --- |
| 1   |

查询＃3

Select ('_cat''s'
    REGEXP CONCAT('(^|[^[:alnum:]_''])', '_cat''s' , '([^[:alnum:]_'']|$)' )) res;

| res |
| --- |
| 1   |

查询＃4

Select ('-cat''s'  
    REGEXP CONCAT('(^|[^[:alnum:]_''])', '-cat''s' , '([^[:alnum:]_'']|$)' )) res;

| res |
| --- |
| 1   |

查询＃5

Select (' cat''s' 
    REGEXP CONCAT('(^|[^[:alnum:]_''])', ' cat''s' , '([^[:alnum:]_'']|$)' )) res;

| res |
| --- |
| 1   |

查询＃6

Select ('cat'''
    REGEXP CONCAT('(^|[^[:alnum:]_''])', 'cat''' , '([^[:alnum:]_'']|$)' )) res;

| res |
| --- |
| 1   |

RegEx不会将搜索字符串开头/结尾的撇号视为单词的一部分

1 个答案: